第3章 多维随机变量及其分布
3.1 二维随机变量及其分布
一、二维随机变量
定义1:设随机试验的样本空间为S,o∈S为样本点,而
X=X(ω),Y=Y(ω)
是定义在S上的两个随机变量,称(X,Y)为定义在S上的二维随机变量或二维随机向量,
一般地,称n个随机变量的整体X=(X1,X2,…,Xn)为n维随机变量或n维随机向量.
二、二维随机变量的分布函数
- 定义2:设(X,Y)是二维随机变量,对任意实数x,y,二元函数
F(x,y)=P{(X≤x)∩(Y≤y)} =记为= P{X≤x,Y≤y} (1.1)
称为二维随机变量(X,Y)的分布函数或称为随机变量X和Y的联合分布函数 - 若将二维随机变量(X,Y)视为平面上随机点的坐标,则分布函数F(x,y)=P{X≤x,Y≤y}就是随机点(X,Y)落入区域{(t,s) | t≤x,s≤y }的概率
P{x1<X≤x2,y1<Y≤y2}=F(x2,y2)-F(x2,y1)-F(x1,y2)+F(x1,y1). (1.2) - FX(x)=P{X≤x}=P{X≤x,Y<+∞}=F(x,+∞),(1.3)
FY(y)=P{Y≤y}=P{X<+∞,Y≤y}=F(+∞,y),(1.4)
分别称FX(x)和FY(y)为F(x,y)关于X和Y的边缘分布函数 - 联合分布函数的性质:
- (1)0≤F(x,y)≤1,且
( a )对任意固定的y,F(-∞,y)=0;
( b )对任意固定的x,F(x,-∞)=0;
( c )F(-∞,-∞)=0,F(+∞,+∞)=1. - (2)F(x,y)关于x和y均为单调非减函数,即
(a)对任意固定的y,当x2>x1时,F(x2,y)≥F(x1,y);
(b)对任意固定的x,当y2>y1时,F(x,y2)≥F(x,y1) - (3)F(x,y)关于x和y均为右连续,即F(x,y)=F(x+0,y),F(x,y)=F(x,y+0)
- (4)对任意四个实数a1<a2,b1<b2,有F(a2,b2)-F(a2,b1)-F(a1,b2)+F(a1,b1)≥0.
- (1)0≤F(x,y)≤1,且
- 由 (X Y, ) 的概率分布(联合分布)可以唯一地确定 X 、Y 的分布(边 缘分布),反之则不对,即由 X 、Y 的分布(边缘分布)不能唯一地确 定 (X Y, ) 的概率分布(联合分布)。
三、二维离散型随机变量及其概率分布
- 定义3:若二维随机变量(X,Y)只取有限个或可数个值,则称(X,Y)为二维离散型随机变量,
注:由定义易知,(X,Y为二维离散型随机变量当且仅当X,Y均为离散型随机变量时成立, - 若二维离散型随机变量(X,Y)所有可能的取值为(xi,yj),i,j=1,2,…,则称P{X=xi,Y=yj}=Pij(i,j=1,2,…)为二维离散型随机变量(X,Y)的概率分布(分布律),或X与Y的联合概率分布(分布律)
- 易见,Pij满足下列性质:
(1)Pij≥0,i,j=1,2,…;
- 联合概率分布表
- 由X和Y的联合概率分布,可求出X,Y各自的概率分布
Pi.=P{X=xi}=∑jPij,i=1,2,…(1.7)
P.j=P{Y=yj}=∑iPij,j=1,2,…(1.8)
分别称Pi.(i=1,2,…)和P.j(j=1,2,…)为(X,Y)关于X和Y的边缘概率分布.
四、二维连续型随机变量及其概率密度
- 定义4:设(X,Y)为二维随机变量,F(x,y)为其分布函数,若存在一个非负可积的二元函数f(x,y),使对任意实数x,y,有
则称(X,Y)为二维连续型随机变量,并称f(x,y)为(X,Y)的概率密度(密度函数)或X,Y的联合概率密度(联合密度函数) - 概率密度函数f(x,y)的性质:
(1). f(x,y)>=0
(3).
(4)P{(X,Y)=(x0,y0)}=0
(5).
(6)***
分别称fX(x)和fY(y)为(X,Y)关于X和Y的边缘密度函数.
五、二维正态分布
3.2 条件分布与随机变量的独立性
一、条件分布的概念
易见,设X是一个随机变量,其分布函数为Fx(x)=P{X<=x},-∞<x<+∞,
若另外有一事件A已经发生,并且A的发生可能会对事件{X≤x}发生的概率产生影响,则对任一给定的实数x,记F(x|A)=P{X≤x|A},-∞<x<+∞,(2.1)
并称F(x|A)为在A发生的条件下,X的条件分布函数.
二、随机变量的独立性
设A是随机变量Y所生成的事件:A={Y≤y},且P{Y≤y}>0,则有
- 定义1: 随机变量X与Y相互独立的充要条件是X所生成的任何事件与Y所生成的任何事件独立,即对任意实数集A,B,有P{X∈A,Y∈B}=P{X∈A}P{Y∈B}.
- 定理1:设随机变量(X,Y)的联合分布函数为F(x,y),边缘分布函数为FX(x), FY(y),若对任意实数x,y,有
P{X≤x,Y≤y}=P{X≤x}P{Y≤y}, 即F(x,y)=FX(x)FY(y), (2.2)
则称随机变量X和Y相互独立 - 定理2:如果随机变量X与Y相互独立,则对任意函数g1(x),g2(y)均有g1(X),g2(Y)相互独立.
- 定义2:若对 任意(X,Y)的所有可能取值(x,y),有
P(X=xi,Y=yj}=P(X=xI}P(Y=yj},
Pij=Pi.P.j,i,j=1,2,…,
则称X和Y相互独立。 - 定义4设(X,Y)为二维连续型随机变量,f(x,y)为其联合概率密度:fX(x),fY(y)分别为X与Y的边缘概率密度.若对任意的x,y,有
f(x,y)=fX(x)fY(y) (2.10)
几乎处处成立,则称X,Y相互独立.